Banca de DEFESA: MATHEUS CASA NOVA DA LUZ

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MATHEUS CASA NOVA DA LUZ
DATA : 09/05/2025
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Sunny Spots 3.0: Rede de Sistemas Embarcados para Sensoriamento e 
Predição de Produção de Energia Solar de Sistemas Fotovoltaicos Distribuídos

PALAVRAS-CHAVES:

Sistemas Embarcados, Internet das Coisas, Energia Solar, 
Previsão de Séries Temporais, Edge Computing

PÁGINAS: 140
RESUMO:

Energia solar é uma das fontes de energia renováveis e abundantes do 
planeta. Seu uso ocorre desde o século XIX, sendo considerado uma excelente 
alternativa tanto em larga escala, nomeada comumente de centralizada, 
quanto de forma individualizada para domicílios, empresas e outros 
estabelecimentos, conhecida como distribuída. A maioria dos lugares do 
mundo possui um potencial gigantesco, variando entre 3,5 até 7 $kWh/m^2. 
Porém, embora seja abundante, limpa e disponível virtualmente em todo o 
planeta, a energia solar sofre de um grande problema: sazonalidade. A 
produção energética em sistemas fotovoltaicos depende principalmente da 
irradiância solar incidente no plano do módulo, composta por irradiância 
direta (proveniente do disco solar), irradiância difusa (resultado do 
espalhamento atmosférico) e albedo (radiação refletida pelo solo ou 
superfícies próximas), cuja soma determina a irradiância total no módulo. 
Além disso, a temperatura das células influencia diretamente a eficiência 
do sistema, sendo estimada a partir de variáveis como temperatura ambiente 
e velocidade do vento. Características físicas do módulo, como corrente, 
tensão, sombreamento, sujidade e ângulo de inclinação, também impactam o 
desempenho energético, tornando a energia solar variável e consequentemente 
pouco confiável. Como resposta a essa problemática, esta pesquisa propõe 
uma rede de sistemas embarcados para prever a produção de energia em um 
período curto de 8 horas. A solução possui uma tríplice estrutura: um 
embarcado conectado ao painel fotovoltaico para sensorear índices físicos e 
enviar dados; uma central que recebe essas informações, coleta dados 
meteorológicos adicionais e ativa um modelo de aprendizagem de máquina 
baseado em Deep Learning, com arquitetura LSTM (Long Short-Term Memory). 
Essa tríplice permite gerar informações a curto prazo para diversas 
decisões: utilizar energia solar, ligar geradores, economizar energia, 
entre outras. A grande contribuição deste estudo reside na capacidade de 
fazer tudo isso remotamente, sem intervenção da internet, num sistema 
barato e com modelo de IA diretamente embarcado na central, oferecendo um 
alicerce para novos modelos de previsão e sensoriamento de painéis solares.

MEMBROS DA BANCA:
Presidente - 1581556 - ADRIANO AUGUSTO DE MORAES SARMENTO
Externo à Instituição - FILIPE ROLIM CORDEIRO - UFRPE
Externa à Instituição - OLGA DE CASTRO VILELA - UFPE